面向Hilbert八叉树的邻近格元计算算法

为提高线性八叉树邻近格元计算效率,利用Hilbert码标记格元,提出一种邻近格元Hilbert码快速计算方法。以Hilbert基元曲线为基础,引入状态向量的概念以记录Hilbert曲线对同属于一个父格元的所有子格元的填充顺序,从而建立状态向量的层级演进与退化函数,得到状态向量在m阶与m+1阶曲线中的层级映射关系,最终利用状态向量及其层级演进与退化函数实现邻近格元Hilbert码的计算。结果表明,所提算法计算结果正确;状态向量计算速度随层级提高而降低,在第20层级上1 ms内可完成4 201个格元的计算,对后续邻近格元计算影响较小;在指定层级上同等数量的邻近格元计算中,该算法的速度明显优于现有Morton码转换算法,在第15层级上百万级规模的邻近格元计算中,该算法的速度约为现有Morton码转换算法的2.1～2.4倍;在不同层级的百万级规模邻近格元计算中,该算法计算速度相比现有Morton码转换算法的提升倍数随层级提高而增大,在第20层级上该算法的效率提升达到2.6倍。     

基于改进麻雀搜索算法优化BP神经网络的PM_(2.5)浓度预测北大核心CSCD

针对传统BP神经网络模型收敛速度慢、易陷入局部极值等问题,本文采用分段线性混沌映射(PWLCM)和萤火虫算法(FA)改进麻雀搜索算法(SSA),并优化BP神经网络模型初始权值和阈值,对西安市PM_(2.5)浓度进行预测。通过比较不同模型预测结果的评价指标,并与性能较优的SSA-BP模型对比,ISSA-BP模型预测结果的RMSE、MAPE、MAE分别下降了3.70、3.73、3.34。试验结果表明,改进后的麻雀搜索算法具有高效的全局最优搜索能力,优化后的ISSA-BP神经网络预测稳定性高,精度优于BP、SSA-BP神经网络模型,可用于预测PM_(2.5)浓度。     

基于二次散射的高光谱遥感图像光谱非线性混合模型

高光谱遥感图像(简称高光谱图像)的空间分辨率通常较低,混合像元现象严重.为了提高图像的分类精度,必须计算出混合像元内每种纯地物所占的比例(丰度).然而,受实际地物间复杂关系和大气散射的影响,高光谱图像像元内的光谱混合都是非线性的,这就使得传统的基于线性光谱混合模型的解混精度难以满足要求.为此,定义了广义的非线性混合模型,提出了一种基于二次散射的非线性混合模型——二次散射模型(secondary scattering model,SSM).通过对模拟数据和AVIRIS实际数据的解混实验表明,相对于传统的线性光谱解混,基于该模型进行光谱解混得到了更精确的分类结果.     

矢量曲线数据的网络渐进传输

提出了一种保持拓扑一致性的曲线多尺度表达方法,并基于此方法实现了曲线数据的网络渐进传输。该方法首先将曲线结点的重要程度、公共约束点和单调链等信息组织成单调线性BLG树结构,然后基于该结构按需实时生成多尺度曲线,利用优化的单调链求交算法维护拓扑一致性。曲线数据网络渐进传输实验验证了此方法的有效性。     

线性参照模型在铁路空间数据库中的应用

线性参照模型是以线性参考系统为基础,以动态分段技术为核心的一维空间数据模型。本文针对铁路空间数据的一维线性分布特征与铁路部门以一维线路为主体的运维管理模式,探讨了铁路空间数据的线性建模方法,利用空间数据库技术实现铁路空间数据、属性数据及业务数据的一维线性存储与管理,并提出了基于一套多尺度线性参照模型的铁路空间数据库的设计方案。试验表明,该方案能够为全路提供一套统一的一维管理基准,在动态数据管理、数据更新和共享等方面具有较大优势。     

低次曲面模型精度的研究

常见的内插方法有线性组合法、基于距离的线性内插法、线性内插法、最小二乘配置法和低次曲面模型法等。2001年,Dai对以上各种模型在多参考站技术中的应用进行了研究,认为各种内插方法在空间相关误差内插方面的效果并无显著差异,且由于低次曲面模型可以很好地逼近和拟合网络范围内电离层延迟的空间相关性。因此,采用一种加权的低次曲面模型计算河北省CORS网区域内的电离层延迟残差,并得出一些有益的结论。     

关于总体最小二乘方法适应性实验研究

总体最小二乘是近年来发展起来的较最小二乘方法更为严密的平差方法,总体最小二乘能够顾及系数矩阵和观测值矩阵同时存在偶然误差并加以改正。然而对于总体最小二乘方法的适用性以及在根据实际数据建立模型时总体最小二乘方法改正系数矩阵和观测值矩阵误差的能力问题还没有深入研究,针对一元线性回归模型,讨论总体最小二乘方法的灵敏性,利用仿真实验数据验证总体最小二乘方法在线性回归模型中的改正能力和优越性。     

整体最小二乘线性回归模型与算法

从平差模型的角度,研究整体最小二乘线性回归模型条件平差与间接平差的解算方法,并在理论上证明两种解算方法的等价性。最后通过算例验证解算方法的正确性。     

基于CBERS的黄河湿地生物量反演研究

本研究以黄河湿地郑州段为研究区,利用RS与GIS技术,基于2009年5月7日获得的CBERS 2B卫星CCD多光谱遥感影像和地面实测植被生物量信息,采用回归算法构建反演模型,经对比分析得到最优计算模型。结果表明,反演模型计算精度达到86.32%,利用CBERS 2B卫星CCD多光谱遥感影像可满足植被生物量的反演需要。     

基于MODIS的巢湖叶绿素a空间分布

利用MODIS影像数据,对水华现象出现的重要物质——巢湖水体叶绿素a信息进行反演。在对数据进行预处理后,采集影像相应位置的像元灰度值,与现实中在对应位置观测的湖水叶绿素a浓度进行相关性拟合分析,得到叶绿素a浓度与像元灰度值的相关性方程与相关系数。在建立相关性模型时采用了单波段和波段比值法,得到的最高相关系数为R2=0.881 8,表明利用这种方法反演巢湖水体叶绿素a浓度空间分布具有一定的可靠性。选择相关系数性较高的2个拟合方程反向演算MODIS影像,最后成功得到巢湖湖面当日叶绿素a浓度分布状况图,为巢湖防治水华发生提供了比较准确可靠的信息。